运动学单车轨迹预测及NGSIM数据集应用的基线研究

简介：
本研究聚焦于运动学模型在单车轨迹预测中的应用，并利用NGSIM数据集进行测试与验证，旨在为智能交通系统提供理论基础和技术支持。 在最近的车辆轨迹预测文献中，虽然介绍了最常见的基线模型但缺乏必要的细节以重现这些研究结果。本段落旨在通过使用简单的模型生成可重复性的车辆预测数据来解决这一问题，并提供了明确的过程描述以及可用代码。 文中所讨论的基本模型包括等速和单车预测两种方法，它们仅依赖于相对位置信息应用于NGSIM US-101 和 I-80 数据集上。因此，只要数据库中包含有车辆的位置跟踪记录，则可以轻易复制这些实验过程。 评估标准涵盖了均方根误差（RMSE）、最终位移误差（FDE）、负对数似然（NLL）以及未命中率（MR）。特别地，在计算NLL时需要谨慎定义公式，因为此前的研究中使用了与数学严格定义有所不同的多个版本。本段落旨在配合已发布的代码一起使用，以便为后续研究提供一个坚实的基线。 此外，我们还提出了一种改进方案：利用循环神经网络模型来替代恒定速度假设，在预测准确性和不确定性估计方面表现出显著的提升，并且为进一步开发复杂而可解释性的模型提供了可能路径。